DanseterusnyaUkuran Letak
PANGKALPINANG Hamdan
B. Tujuan Penelitian
3. METODOLGI PENELITIAN
Penelitian dilakukan selama 3 (tiga ) bulan yang dimulai pada bulan Januari 2018 hingga bulan Maret 2016, yang dimulai dari proses penentuan judul penelitian, penyusunan proposal, izin wilayah penelitian, penentuan unit yang akan dianalisis, pengumpulan data dan fakta dilapangan sampai dengan pengolahan dan analisis data. Tempat atau obyek data penelitian dilakukan di Kota Pangkalpinang Provinsi kepulauan Bangka Belitung. Data yang diperlukan dalam penelitian ini adalah data sekunder yang pengumpulannya berupa runtut waktu selama 13 tahun yaitu dari tahun 2005 sampai dengan 2017. Penelitian dilakukan dengan memperoleh data sekunder dari instansi berikut:
1. Badan Pusat Statistik Nasional
2. Badan Pusat Statistik Provinsi Kepulauan Bangka Belitung
3. Badan Perencanaan Pembangunan Daerah Provinsi Kepulauan Bangka Belitung 4. Dinas Perdagangan dan Industri Provinsi Kepulauan Bangka Belitung.
5. Dinas Pariwisata Provinsi Kepulauan Bangka Belitung. 6. Dinas perhubungan darat dan laut
3.1.Populasi dan Sampel
Pengertian populasi adalah keseluruhan orang, keseluruhan data yang menjadi sasaran penelitian. Dari keseluruhan penelitian populasi yang sangat luas diambil sebagian yang disebut populasi target. Sampel adalah sebagian kecil dari populasi yang dianggap dapat mewakili populasi secara keseluruhan (Mukhtar, 2013, hal 93).
Dapat disimpulkan bahwa populasi adalah seluruh data dalam penelitian merupakan seluruh wilayah yang diteliti. Dalam penelitian ini yang dimaksud dengan populasi adalah seluruh data variabel penelitian yang berhubungan dengan pengaruh terhadap inflasi, pengangguran dan kemiskinan di Pangkalpinang. Sedangkan sampel yang digunakan dalam penelitian ini data variabel mpenelitian yang berhubungan dengan pengaruh Tranportasi, kunjungan wisata, jumlah penduduk, Pertumbuhan Ekonomi wilayah sekitar dan Kredit Modal UMKM terhadap Inflasi, pengangguran, kemiskinan di Kota Pangkalpinang selama 13 (tiga belas) tahun penelitian yaitu periode tahun 2005 sampai dengan tahun 2017.
3.2. Prosedur, Variabel dan Operasionalisasi Variabel
Terkait dengan penelitian ini maka variabel penelitian diklasifikasikan sebagai berikut: 1) Variabel Independen/Bebas
Adapun variabel bebas dalam penelitian ini meliputi: Tranportasi (X1), kunjungan wisata (X2), jumlah penduduk (X3) Pertumbuhan Ekonomi wilayah (X4), Kredit Modal UMKM (X5)
2) Variabel Dependen/Output/Kriteria/Konsekuen/Terikat
Adapun variable terikat dalam penelitian ini adalah Inflasi(Y), pengangguran (Z1) dan kemiskinan (Z2).
Faktor Faktor Yang Mempengaruhi Inflasi Serta Dampaknya Pada Pengangguran Dan Kemiskinan di Kota Pangkalpinang
57
3.3. Definisi Operasional Variabel Penelitian
Definisi Operasional Variable Penelitian ebagaai berikut:
1) Transportasi (X1) adalah banyaknya kedatang alat transportasi kapal laut dan pesawat ke kota Pangkalpinang
2) Kunjungan wisata (X2) adalah banyaknya wisatawan datang ke pangkalpinang 3) Jumlah Penduduk (X3) adalah jumlah penduduk pangkalpinag setiap tahun
4) Pertumbuhan ekonomi sekitar (X4) adalah rata-rata PDRB di kabupaten Bangka, kabupaten Bangka Tengah dan Kabupaten Bangka Selatan
5) Kredit Modal UMKM (X5) adalah jumlah modal yang diberikan pemerintah kepada UMKM setiap tahun
6) Inflasi (Y) adalah jumlah uang beredar di masyarakat.
7) Pengangguran (Z1) adalah pesentase jumlah penduduk yang masuk dalam angkatan kerja (15 sampai 64 tahun) yang sedang mencari pekerjaan dan belum mendapatkannya kota Pangkalpinang
8) Kemiskinan (Z3) adalah persentase penduduk yang berada di bawah garis kemiskinan (poverty line), di Pangkalpinang.
3.4.ANALISIS DATA DAN PENGUJIAN HIPOTESIS
Analisa data yang digunakan adalah analisa kuantitatif dengan menggunakan analisis regresi. Dalam penelitian ini penulis menggunakan alat bantu program pengelola data yaitu eviews versi 8.
3.5.Pengujian Data dengan Asumsi Klasik/BLUE 3.5.1. Uji Normalitas
Uji asumsi normalitas dapat diketahui dari beberapa cara yang akan menghasilkan kesimpulan yang hampir sama pula. Asumsi normalitas dapat dideteksi dari plot sebaran data maupun uji statistik. Adapun beberapa cara untuk mendeteksi normalitas data, seperti: (1). menggunakan histogram; (2). uji yang dikembangkan oleh Jarque-Bera
(J-B). Menurut Widarjono (2009, 49) menyebutkan bahwa dengan uji Jarque – Bera dapat
menggunakan perhitungan skewness dan kurtosis. Adapun formula uji statistic Jarque-
Bera adalah sebagai berikut:
S2 ( k – 3 )2 JB = + 6 24 Keterangan: S = Koefisien Skewness k = Koefisien Kurtosis
Jika nilai JB lebih kecil dari nilai chi-Square maka menerima hipotesis
nol bahwa residual berdistribusi normal, sebaliknya jika nilai JB lebih besar dari nilai
chi Square maka menolak hipotesis nol bahwa residual berdistribusi tidak normal.
Dengan makna lain, jika nilai jarque-Bera lebih kecil dibandingkan nilai X2 tabel, maka data dinyatakan berdistribusi normal. sebaliknya jika nilai Jarque-Bera lebih besar dibandingkan dengan nilai X2 tabel, maka diduga data dinyatakan tidak berdistribusi normal.
3.5.2. Uji Mulktikolinieritas
Ghozali (2010, 95) mengemukakan bahwa uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen).Untuk model regresi yang baik seharusnya tidak terjadi korelasi di antara
JEM: Jurnal Ekonomi dan Manajemen STIE Pertiba Pangkalpinang, Vol 3, No. 2, Edisi Desember 2017, hal 49-67
58 variabel independen. Widarjono (2009, 106-107) menyebutkan bahwa menggunakan koefisien korelasi parsial antar variabel independen untuk menguji ada tidaknya multikolinieritas jika koefisien korelasi cukup tinggi katakan di atas 0,85 maka diduga ada multikolinieritas dalam model. Cara lain uji multikolinieritas adalah dengan regresi auxiliary yaitu dengan melakukan regresi setiap variabel independen (X) dengan sisa veriabel indepeden (X) yang lain, hal ini dimaksudkan untuk mengetahui apakah variabel independen (X) yang satu berhubungan dengan variabel independen (X) yang lainnya.
3.5.3. Uji Heteroskedastisitas
Uji heteroskedastisitas dianjurkan oleh Halbert White. White dalam Mudrajad Kuncoro (2010, 96) berpendapat bahwa uji X2 merupakan uji umum ada tidaknya misspesikasi model karena hipotesis nol yang melandasi adalah asumsi bahwa: (1) residual adalah homoskedastisitas dan merupakan variabel independen; (2) spesifikasi linier atas model sudah benar. Dengan hipotesis nol tidak ada heteroskedastisitas, jumlah observasi (n) dikalikan R2 yang diperoleh dari regresi auxiliary secara asimtotis akan mengikuti distribusi chi–square dengan degree of freedom sama dengan jumlah variabel independen ( tidak termasuk konstanta). Bila salah satu atau dua asumsi ini tidak tidak terpenuhi akan mengakibatkan nilai statistik t yang signifikan. Namun sebaliknya, nilai statistik t tidak signifikan berarti kedua asumsi di atas dipenuhi. Artinya, model yang digunakan lolos dari masalah heteroskedastisitas. Dengan makna lain, jika nilai
Obs*R-squared lebih kecil dibandingkan nilai X2 tabel, maka tidak terjadi masalah Heteroskedastisitas, sebaliknya jika nilai Obs*R-squared lebih besar dari nilai X2 tabel, maka diduga model telah terjadi masalah Heteroskedastisitas.
3.5.4. Uji Autokorelasi
Ghozali (2010, h. 99) mengemukakan bahwa uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Adapun dalam penelitian ini penulis menggunakan uji autokorelasi dengan uji Breusch-Godfrey atau nama lainnya uji Lagrange-Multiplier. Kriteria pengujian jika nilai Obs*R-squared lebih kecil dibandingkan nilai X2 tabel, maka tidak terjadi masalah autokorelasi, sebaliknya jika nilai Obs*R-squared lebih besar dari nilai X2 tabel, maka diduga model telah terjadi masalah auto korelasi.
3.4.Analisis Regresi
Telah dikemukakan di bab sebelumnya bahwa dalam penelitian inimenggunakan data times series.Riduan & Kuncoro (2007, h. 115) mengemukakan bahwa analisis regresi merupakan model structural yang bertujuan untuk menguji besarnya sumbangan (kontribusi) yang ditunjukan oleh koefisien regresi setiap variabel penelitian pada diagram regresi yang telah ditetapkan. Dalam analisis regresi yang telah ditetapkan dalam penelitian ini akan diperoleh besaran hubungan kausal variabel bebas (X) terhadap variabel (Y) serta dampaknya pada variabel (Z). Berdasarkan kerangka pemikiran penelitian, maka model analisis regresi dilihat gambar berikut:
Faktor Faktor Yang Mempengaruhi Inflasi Serta Dampaknya Pada Pengangguran Dan Kemiskinan di Kota Pangkalpinang
59
Gambar 3.1. Analisis Regresi
Keterangan: X1 = Transportasi X2 = kunjungan wisata X3 = jumlah penduduk
X4 = pertumbuhan Ekonomi wilayah sekitar X5 = Kredit Modal UMKM
Y = Inflasi
Z1 = pengangguran Z2 = Kemiskinan
βxiy= Koefisien regresi Variabel X terhadap Variabel Y βyz i= Koefisien regresi Variabel Y terhadap Variabel Z
Berdasarkan Analisis Regresi di atas, maka dapat dirumuskan, beberapa persamaan sebagai berikut:
f(X) = Y
Y = βo + βx1y X1 + βx2y X2+βx3y X3+ βx4y X4+ +ε1
Z1 = β01 + β𝑌 + ε2
Z2 = β02 + βY + ε3
Z3 = β03 + β𝑌 + ε4
3.5. Uji Kelayakan Model Penelitian
Wirasasmita (2008, 7-8) mengemukakan bahwa karateristik yang diukur dalam uji kelayakan model meliputi:
X1 kerja(X X 2) 2 kerja(X2)
Y
kerja(X2)Z
1 kerja(X2) Z3 kerja(X2) X3 kerja(X X 2) 4 kerja(X X 2) 5 kerja(X2) β𝑌 z1β
x1yβ
x3y βx4yβ𝑌 Z3 ε1 ε2 ε4β
x2y β𝑌 z3JEM: Jurnal Ekonomi dan Manajemen STIE Pertiba Pangkalpinang, Vol 3, No. 2, Edisi Desember 2017, hal 49-67
60 1) Theoretical plausibility. Artinya arah pengaruh hasil uji hipotesis sesuai dengan
teori yang menjadi dasar pemikirannya Table:
Teori Kelayakan Model Penelitian
Hubungan antar Variabel Pra estimasi Pasca estimasi (X1, X2,X3,X4, X5)Y +
Y Z1 +
Y Z2 +
2) Accuracy of the estimates of the parameter. Apakah estimator parameter hipotesis akurat (tidak bias) dan signifikan yang ditandai dengan terpenuhinya asumsi analisis yang dipersyaratkan dan probalitas kesalahan statistik model (p-value) yang lebih kecil daipada tingkat signifikansi alpha sebesar 0,05.
3) Explanatory ability. Apakah model penelitian memiliki kemampuan menjelaskan hubungan antar fenomena ekonomi yang ditandai dengan standard error of
estimations yang rendah (lebih kecil dari 1⁄2 kali estimator).
4) Forecasting ability. Apakah model penelitian memiliki kemampuan prediksi atas perilaku variabel akibat (respons) yang ditandai dengan koefisien determinasi yang tinggi atau bernilai lebih dari 50%.